正向 Lookbehind 和 Lookahead 到字符串末尾答案

【问题标题】：Positive Lookbehind and Lookahead to the end of string正向 Lookbehind 和 Lookahead 到字符串末尾
【发布时间】：2020-09-07 21:06:39
【问题描述】：

我的字符串模式如下所示： UNB+UNOC:3+4399945681577+_GLN_Company__+180101:0050+10870，我试图提取倒数第二个 + 之后的所有内容，即 180101:0050+10870。

到目前为止，我设法使用表达式(?<=\+)[^\+]+(?=\+[^\+]*$) 处理倒数第二个块180101:0050，但未能包括最后一个块，包括最后一个+。这是我的示例：regex101

该表达式是为 R 设计的，稍后我仍然需要对字符进行转义。此格式仅用于 Regex101 中的测试目的。

【问题讨论】：

标签： r regex

【解决方案1】：

我们可以根据字符串末尾 ($) 中出现的+ 来捕获组。

sub(".*\\+([^+]+\\+[^+]+$)", "\\1", str1)
#[1] "180101:0050+10870"

数据

str1 <- "UNB+UNOC:3+4399945681577+_GLN_Company__+180101:0050+10870"

【讨论】：

谢谢@akrun 这也很好用。您是否认为这也可以更改为 tidyverse::str_replace() 语法。我目前正在使用此函数中的所有表达式，并且为了我的脚本简洁起见，我会尽量保持这一点。
@Max 那只是直接翻译str_replace(str1, ".*\\+([^+]+\\+[^+]+$)", "\\1")
抱歉，我在将"\\1" 添加到脚本时不小心错过了末尾的"\\1"。完美，非常感谢！

【解决方案2】：

你可以使用

\+\K[^+]+\+[^+]*$

或者，如果您想将它与stringr::str_extract 一起使用：

(?<=\+)[^+]+\+[^+]*$

请参阅regex demo。详情：

\+ - 一个 + 字符
\K - 匹配重置运算符
(?<=\+) - 在 + 符号之后的位置
[^+]+ - 除了+ 之外的一个或多个字符
\+ - 一个+
[^+]+ - 除了+ 之外的一个或多个字符
$ - 字符串结束。

见R demo online:

x <- "UNB+UNOC:3+4399945681577+_GLN_Company__+180101:0050+10870"
regmatches(x, regexpr("\\+\\K[^+]+\\+[^+]*$", x, perl=TRUE))
## => [1] "180101:0050+10870"
library(stringr)
str_extract(x, "(?<=\\+)[^+]+\\+[^+]*$")
## => [1] "180101:0050+10870"

【讨论】：

谢谢，这很好用。由于这是我在一排提取物中缺少的唯一表达式，您是否认为您也可以帮助将其调整为 tidyverse::str_extract() 语法？似乎不支持 \K 评论，但这也可能是我的误解。 evoldyn.gitlab.io/evomics-2018/ref-sheets/R_strings.pdf
@Max 只需使用str_extract(x, "(?<=\\+)[^+]+\\+[^+]*$")，见R demo。

【解决方案3】：

在这种情况下你可以做的另一种方式：

library(stringr)
str_extract("UNB+UNOC:3+4399945681577+_GLN_Company__+180101:0050+10870", "\\d+:\\d+\\+\\d+")
#"180101:0050+10870"

【讨论】：

谢谢@Tho Vu，这也有效。不过，我不确定在所有分隔符都需要匹配模式的意义上它是否过于严格。因此我的想法是回顾第二次+，然后期待提取剩余的字符串。